ABM Constructor: различия между версиями

Материал из Поле цифровой дидактики
← Предыдущая правкаСледующая правка →
Нет описания правки
Нет описания правки
Строка 17: Строка 17:
}}
}}
* https://www.youtube.com/watch?v=PGwaRCW1-fo
* https://www.youtube.com/watch?v=PGwaRCW1-fo
* https://vk.com/video-21242193_456239664?list=ln-bG0pEeZQ1cQCDZAnYQ - ВКонтакте
<uml>
@startuml
skinparam NoteBackgroundColor lightblue
title Collaborative Learning Pipeline with Agent-Based Models\nfor Developing Systemic Thinking About Urban Education
:Pedagogical Objective;
note right
Develop systemic thinking
about urban educational systems
Move from linear to circular causality
Recognize emergence and feedback loops
Build capacity for policy analysis
end note
:Theoretical Foundation;
note left
Vygotsky - Mediation
Papert - Objects to Think With
Davydov - Learning Activity
end note
:Phase 1: Model Preparation;
note right
Create/adapt ABM models
Reduce research variables
Preserve core dynamics
Convert to web-based versions
end note
:Phase 2: Platform Integration;
note left
Upload to Semantic MediaWiki
Embed with mw-embedNetlogo
Create unified learning environment
Ensure institutional robustness
end note
:Computational Tools;
fork
  :NetLogo Web Version;
fork again
  :Semantic MediaWiki (digida.mgpu.ru);
fork again
  :BehaviorSpace Extension;
end fork
:Phase 3: Initial Exploration;
note right
Become familiar with model interface
Understand adjustable variables
Observe core dynamics
Discuss in Talk pages
Formulate initial hypotheses
end note
:Phase 4: Systematic Experimentation;
note left
Design specific experiments
Run models with selected parameters
Collect data manually or via BehaviorSpace
Observe system property changes
Transition from observation to investigation
end note
:Data Collection Methods;
fork
  :Manual Screenshots;
fork again
  :BehaviorSpace Automation;
fork again
  :Parameter Exploration;
end fork
:Phase 5: Data Organization & Visualization;
note right
Store data externally
Upload to GitHub or Google Sheets
Integrate with External Data extension
Create visualizations using RAWGraphs/CODAP
Embed visualizations in wiki pages
Develop transparency and reproducibility
end note
:External Data Platforms;
fork
  :GitHub Repositories;
fork again
  :Google Sheets;
fork again
  :RAWGraphs;
fork again
  :CODAP;
end fork
:Phase 6: Documentation & Interpretation;
note left
State research hypothesis
Describe experimental process
Report what results showed
Interpret meaning for urban education
External representation of thinking
Create permanent wiki records
end note
:Phase 7: Peer Discussion & Collaborative Knowledge;
note right
Discuss findings in Talk pages
Receive feedback on interpretations
Learn from different experimental designs
Identify patterns across experiments
Refine understanding collectively
Build mediated collaborative learning
end note
:Discussion Mechanisms;
fork
  :MediaWiki Talk Pages;
fork again
  :Asynchronous Collaboration;
fork again
  :Persistent Documentation;
fork again
  :Public Thinking;
end fork


:Epistemic Outcomes;
note left
Recognition of system properties:
- Emergence
- Feedback loops
- Nonlinear causality
- Distributed causality
end note


{{#widget:YouTube|id=PGwaRCW1-fo|start=2}}
:Conceptual Shifts;
note right
Linear → Systemic thinking
Reductionist → Holistic understanding
Policy naïveté → Policy sophistication
Individual insight → Collective intelligence
end note


* https://vk.com/video-21242193_456239664?list=ln-bG0pEeZQ1cQCDZAnYQ - ВКонтакте
:Learning Environment Characteristics;
fork
  :Iterative & Cyclical Design;
fork again
  :Technical-Conceptual Integration;
fork again
  :Persistent Documentation;
fork again
  :Distributed Epistemic Responsibility;
fork again
  :Structured Scaffolding;
end fork
 
:Research Data Generated;
note left
Documented experimental work
Discussion records (Talk pages)
Data artifacts and datasets
Visualization choices
Evolution of understanding
Wiki page development over time
end note
 
:Analysis Methods;
fork
  :Qualitative Coding;
fork again
  :Network Analysis;
fork again
  :Conceptual Tracking;
fork again
  :Pattern Identification;
end fork
 
:Theoretical Alignment;
note right
Vygotsky: Pipeline as mediating structure
Papert: Learning through model building
Davydov: Individual → Collective understanding
Epistemic scaffolding approach
end note
 
:Outcomes;
note left
Internalization of systemic thinking
Development of theoretical understanding
Capacity for systems analysis
Recognition of policy trade-offs
Collective knowledge repository
end note
 
stop
 
@enduml
</uml>

Версия от 13:06, 2 января 2026

Краткое описание инструмента Конструктор использования многоагентого моделирования - позволяет конструировать структуру учебных курсов из готовых блоков и включать в состав материалов многоагентные модели для экспериментов и дальнейшей модификации.
Возможности Конструктор используется возможности Semantic MediaWiki и языков агентного моделирования, что позволяет собирать учебные материалы на страницах курса, используя стандартный язык запросов SMW ask и языки блочного и текстового программирования - NetLogo, Snap!
Трудности использования Необходимо на базовом уровне знать язык запросов ask и принципы агентного моделирования
Область знаний NetSci, Педагогика, Психология, Образование, Интернет вещей, Большие данные, Моделирование
Область применения образование
Поясняющее видео https://vk.com/video-21242193 456239664?list=ln-bG0pEeZQ1cQCDZAnYQ
Веб-сайт http://digida.mgpu.ru/index.php?title=ABM Constructor
Пользователи Учащиеся, Преподаватели, Исследователи
Используется для создания (проведения) генерация контента
Разработчик Moscow City University
Сообщество вокруг средства
Лицензия Открытая
Год первого релиза 2024
Совместное сетевое использование Да
Какой язык основной Russian
Есть ли поддержка Искусственным Интеллектом Да

Источник — http://digida.mgpu.ru/index.php?title=ABM_Constructor&oldid=42183